Topic / Trend Stable

Fine-tuning data-centric e valutazione

ClariEdge, selezione dati per ASR e mascheramento PII contestuale mostrano un passaggio a sottoinsiemi rappresentativi ed etichette contestuali per modelli specializzati. Studi di valutazione rivelano che giudici LLM cambiano nettamente il successo percepito dei tutor, rendendo strategica la scelta delle metriche.

Detected: 2026-10-29 · Updated: 2026-10-29

ReCoPII: un framework per mascherare PII contestuali senza assumere un unico soggetto

Il framework ReCoPII costruisce dataset di mascheramento PII contestuale senza la premessa dell'augmentation basata su un unico autore. Su documenti coreani di sei domini, le etichette KEEP raggiungono l'88,42% di accordo tra annotatori, contro il 26...

#LLM On-Premise #Fine-Tuning #DevOps

2026-10-27 • ArXiv cs.CL

Whispering Wisely: selezionare i dati giusti per il fine-tuning ASR

Un approccio basato sugli embedding dell'encoder di Whisper seleziona sottoinsiemi di addestramento più piccoli e rappresentativi per il fine-tuning ASR. Su ebraico e danese, la selezione k-center ottiene spesso risultati migliori del campionamento c...

#Hardware #LLM On-Premise #Fine-Tuning

2026-10-26 • ArXiv cs.CL

MisconceptDialogue: il metro di valutazione decide il successo dei tutor LLM

Un framework automatizzato mostra che su 5.000+ dialoghi simulati il tasso di successo passa dal 42,1% con exact-match all'81,3% con giudici LLM calibrati su annotazioni umane. Lo scarto di 39,2 punti supera l'effetto combinato di modello, strategia ...

#LLM On-Premise #DevOps

2026-10-23 • ArXiv cs.AI

RAG modulare: un LoRA che decide quando fermarsi e chiedere

IBM Research pubblica ClariEdge, un dataset di circa 3.900 esempi per riconoscere le query ambigue nella RAG. Un LoRA leggero ottenuto con fine-tuning raggiunge il 96,6% di accuratezza e supera baseline più grandi. Il segnale: componenti specializzat...

2026-10-23 • ArXiv cs.AI

Un modello piccolo fa domande migliori: chiarire le query nella RAG

Il gruppo IBM Research ha pubblicato ClariEdge, un dataset di circa 3.900 esempi per riconoscere query ambigue nei sistemi RAG e generare richieste di chiarimento. Un LoRA leggero raggiunge il 96,6% di accuratezza e supera le baseline di modelli più ...